Cómo seleccionar columnas de dataframe por regex

Use select:

import pandas as pd

df = pd.DataFrame([[10, 14, 12, 44, 45, 78]], columns=['a', 'b', 'c', 'd1', 'd2', 'd3'])

df.select(lambda col: col.startswith('d'), axis=1)

Resultado:

   d1  d2  d3
0  44  45  78

Esta es una buena solución si no te sientes cómodo con las expresiones regulares.

Puede usar una comprensión de lista para iterar sobre todos los nombres de columna en su DataFrame df y luego solo seleccionar aquellos que comienzan con 'd'.

df = pd.DataFrame({'a': {0: 10}, 'b': {0: 14}, 'c': {0: 12},
                   'd1': {0: 44}, 'd2': {0: 45}, 'd3': {0: 78}})

Use la comprensión de lista para iterar sobre las columnas en el dataframe y devolver sus nombres (c a continuación se muestra una variable local que representa el nombre de la columna).

>>> [c for c in df]
['a', 'b', 'c', 'd1', 'd2', 'd3']

Entonces solo seleccione aquellos que comienzan con 'd'.

>>> [c for c in df if c[0] == 'd']  # As an alternative to c[0], use c.startswith(...)
['d1', 'd2', 'd3']

Finalmente, pase esta lista de columnas a la DataFrame.

df[[c for c in df if c.startswith('d')]]
>>> df
   d1  d2  d3
0  44  45  78

===========================================================================

TIMINGS (agregado en febrero de 2018 por los comentarios de devinbost que afirman que este método es lento...)

Primero, vamos a crear un dataframe con 30k columnas:

n = 10000
cols = ['{0}_{1}'.format(letters, number) 
        for number in range(n) for letters in ('d', 't', 'didi')]
df = pd.DataFrame(np.random.randn(3, n * 3), columns=cols)
>>> df.shape
(3, 30000)

>>> %timeit df[[c for c in df if c[0] == 'd']]  # Simple list comprehension.
# 10 loops, best of 3: 16.4 ms per loop

>>> %timeit df[[c for c in df if c.startswith('d')]]  # More 'pythonic'?
# 10 loops, best of 3: 29.2 ms per loop

>>> %timeit df.select(lambda col: col.startswith('d'), axis=1)  # Solution of gbrener.
# 10 loops, best of 3: 21.4 ms per loop

>>> %timeit df.filter(regex=("d.*"))  # Accepted solution.
# 10 loops, best of 3: 40 ms per loop

Especialmente en un conjunto de datos más grande, un enfoque vectorizado es en realidad MUCHO MÁS RÁPIDO ( por más de dos órdenes de magnitud) y es mucho más legible. Estoy proporcionando una captura de pantalla como prueba. (Nota: Excepto por las últimas líneas que escribí en la parte inferior para aclarar mi punto con un enfoque vectorizado , el otro código se derivó de la respuesta de @Alexander.)

Aquí está ese código para referencia:

import pandas as pd
import numpy as np
n = 10000
cols = ['{0}_{1}'.format(letters, number) 
        for number in range(n) for letters in ('d', 't', 'didi')]
df = pd.DataFrame(np.random.randn(30000, n * 3), columns=cols)

%timeit df[[c for c in df if c[0] == 'd']]

%timeit df[[c for c in df if c.startswith('d')]]

%timeit df.select(lambda col: col.startswith('d'), axis=1)

%timeit df.filter(regex=("d.*"))

%timeit df.filter(like='d')

%timeit df.filter(like='d', axis=1)

%timeit df.filter(regex=("d.*"), axis=1)

%timeit df.columns.map(lambda x: x.startswith("d"))

columnVals = df.columns.map(lambda x: x.startswith("d"))

%timeit df.filter(columnVals, axis=1)

También puedes usar

df.filter(regex='^d')